《車牌識別技術問題研究（論文）》

視頻圖像中車牌識別技術研究摘要：車牌識別是智能公安交通系統(tǒng)中不可缺少的一部分。它是通過安裝在道路交叉口、小區(qū)入口、高速路收費站入口的攝像頭，通過圖像預處理技術定位車牌區(qū)域，然后對定位后的車牌字符進行分割，最后通過識別技術對分割后的字符進行識別，從而有效地獲得車牌號。車牌識別技術是智能交通最重要的組成部分，在城市道路監(jiān)控、電子收費、社區(qū)門禁等重要場合發(fā)揮著重要作用。本文以視頻圖像處理理論為基礎，深入研究了車牌識別技術的方法，改進了視頻圖像中車牌識別技術的算法。為公安交通提供一定的參考和借鑒意義。關鍵詞：視頻圖像；車牌識別；改進引言（一）研究背景隨著我國經濟水平的不斷發(fā)展和人民物質生活水平的提高，人們的出行方式發(fā)生了翻天覆地的變化，從以前的公交出行轉變?yōu)楝F在的汽車出行。據統(tǒng)計，截至2017年底，中國汽車保有量超過3億輛，其中2億輛。在給人們生活帶來便利的同時，交通堵塞、交通事故和環(huán)境問題也相繼發(fā)生，并日趨嚴重。如何解決日益嚴重的交通問題已成為包括我國在內的世界各國政府共同關注的問題，其中智能交通系統(tǒng)已成為各國政府最重要的發(fā)展目標。自動檢測、圖像處理和模式識別技術也越來越受到人們的關注。智能交通系統(tǒng)（IntelligenttransportationSystem）是將先進的信息技術、通信技術、傳感器技術、控制技術和計算機技術集成到整個交通管理系統(tǒng)中的實時、準確、高效的綜合交通管理系統(tǒng)。它能實時提供某一路段的交通信息，實時采集交通信息，能有效減少交通擁堵和交通事故，為人們出行提供便利，為大家創(chuàng)造一個干凈整潔的生活環(huán)境。（二）研究意義車牌識別是智能交通系統(tǒng)中不可缺少的一部分。它是通過安裝在道路交叉口、小區(qū)入口、高速路收費站入口的攝像頭，通過圖像預處理技術定位車牌區(qū)域，然后對定位后的車牌字符進行分割，最后通過識別技術對分割后的字符進行識別，從而有效地獲得車牌號。車牌識別系統(tǒng)可應用于收費站不停車收費、高速公路超速、違章駕駛、交通流檢測、車輛定位、追逃罪犯、智能小區(qū)、停車場無人值守等重要場合。隨著科學技術的發(fā)展，車牌識別技術在交通管理中發(fā)揮著重要的作用。首先從包含車輛關鍵幀或靜態(tài)圖像的視頻中提取車牌圖像，然后對車牌圖像進行字符分割。最后，采用一定的識別方法完成車牌字符的識別，從而提取出車輛的車牌號。車牌識別系統(tǒng)可廣泛應用于高速公路管理、電子收費、車輛定位、車輛防盜管理、交通監(jiān)控、交通誘導、車輛檢測等重要場合。對維護交通安全、提高交通管理服務質量、緩解交通擁堵、實現交通管理自動化等方面具有重要作用，對公安交通管理具有一定的參考意義。（三）國內外研究現狀1.國外研究現狀國外的車牌識別技術起步于20世紀，是最早的，但還沒有系統(tǒng)的研究。直到20世紀90年代計算機技術的飛速發(fā)展，智能交通才開始成為研究熱點。為了緩解交通擁堵帶來的交通問題，美、日、歐等國開始投入大量精力和資金進行智能交通的研究，極大地推動了智能交通的發(fā)展向更深、更遠的方向發(fā)展。由于國外在這方面起步較早，its的研究和開發(fā)也相對完善。例如，英國alphatech公司開發(fā)的rgus系統(tǒng)、德國西門子公司開發(fā)的AREM7S產品、以色列hitech公司開發(fā)的see/car系統(tǒng)系列產品、英國IPI公司開發(fā)的rtvnpr、新加坡Optasia公司開發(fā)的PMPs系統(tǒng)，可以實現全天候的車牌字符識別，精確和實時[F2L]。國外對車牌識別系統(tǒng)的研究不僅限于上述上市公司，而且很多公司都致力于智能交通的研究，這使得車輛的自動管理得到了很大的提高。雖然國外的車牌識別技術已經越來越成熟，但到目前為止，還沒有開發(fā)出適合世界各國車牌識別的車牌識別系統(tǒng)。2.國內研究現狀與國外的車牌識別系統(tǒng)相比，國內的研究起步較晚，技術相對落后于國外。但經過幾年的不懈努力，國內許多企業(yè)在車牌識別方面取得了良好的成績。如漢王公司開發(fā)的“漢王巖”、上海明圖軟件有限公司的立方板產品、北京智通視頻的lpr-268n車牌識別一體機等。近年來，國內多所知名高校的重點實驗室投入了大量科研經費和人員進行了牌照建設車牌識別系統(tǒng)，并在這方面取得了顯著的成績。例如，耿慶田等人。吉林大學的余潤華等人提出了一種基于分形維數和隱馬爾可夫特征的車牌識別算法，該算法對不同類型的車牌具有較高的識別率。清華大學的牛博雅等人提出了一種基于神經網絡聯合模板匹配的車牌檢測方法，不僅提高了識別精度，而且在每種方法中都起到了一定的作用。北京交通大學采用先粗定位后精識別的方法，利用車牌的先驗知識進行粗定位，提取車牌的梯度直方圖特征后利用支持向量機實驗進行準確識別。該方法不僅具有很高的魯棒性，而且識別速度和精度均滿足實驗要求。雖然我們在車牌識別系統(tǒng)中取得了很好的效果，但這些算法都是在實驗室理想的環(huán)境下實現的，在現實生活中，天氣、光線等外界因素都會對車牌圖像產生干擾。如何消除這些干擾，開發(fā)出適用性強、精度高、穩(wěn)定性好的車牌識別系統(tǒng)，仍需許多學者的研究。

二、圖像預處理數字圖像處理技術的應用是在計算機系統(tǒng)中，包括各種輸入、輸出等硬件設備。其基本原理是：首先將連續(xù)模擬圖像信號轉換為離散數字圖像信號，然后根據各種要求建立模型，最后通過編程和控制過程實現。硬件設備、軟件設備和必要的科技儲備是數字圖像處理技術發(fā)展的基礎。目前，數字處理是圖像處理的研究和發(fā)展趨勢，主要原因有以下幾個方面：一是采用數字圖像處理方法處理圖像時，灰度值多（256級以上），精度高，可以進行復雜的非線性運算，其功能非常完備靈活；二是數字處理技術可以進行復雜的非線性運算。同時，它還具有通用性強、使用簡單、存儲方便等優(yōu)點。數字圖像處理技術是車牌識別技術的基礎。在車牌定位之前，需要進行一系列的圖像處理，即預處理。本文采用了基于灰度圖像的圖像預處理方法。將彩色圖像轉換成灰度圖像進行處理。該方法有效地減小了圖像的尺寸，從而降低了對存儲容量的要求，減少了計算量，節(jié)省了計算時間，從而提高了處理速度，滿足了實時系統(tǒng)的要求。彩色圖像的預處理包括彩色灰度變換、灰度拉伸處理、二值化、中值濾波、邊緣檢測等。（一）灰度化一般來說，包含車輛的攝像機圖像是24位的真彩色圖像，需要轉換成灰度圖像。原因有兩個：一是便于后面更快速地處理圖像；二是多顏色車輛牌照統(tǒng)一。本文采用的灰度法是現行的標準平均法，即:g=0.3R+0.59G+0.11B其中，g表示灰度化后的灰度值，R,G,B分別表示原真彩色圖中的紅、綠、藍分量。（二）灰度拉伸低對比度是指圖像太強（例如，灰度范圍為200-255）或太暗（例如，灰度范圍為0-63）。主要原因是成像時間太強或不足，即灰度不拉開，全部擠在一起?；叶壤斓哪康氖窃鰪妼Ρ榷龋磾U展所需的灰度范圍，使該范圍內的像素出現兩種相反的情況，即亮和暗?；叶葓D像拉伸后，圖像的邊緣特征更加明顯，因此車牌區(qū)域的筆劃特征更加明顯，更有利于后邊緣的邊緣檢測。（三）二值化閾值的選擇是車牌在二值化過程中遇到的難點之一。車牌的二值化方法一般分為全局閾值和局部閾值兩大類。全局閾值法有Ostu算法等，局部閾值法有Bersen等。但這兩種算法的利弊不同:全局閾值的方法雖然速度較快,但是比較容易造成車輛牌照中筆畫的丟失，與此對比，局部閾值的方法可能造成筆畫斷裂和偽影等現象。本文中用到的閾值選取方法是基于全局閾值化方法的改進,將灰度值小于閾值的像素直接設置為0，而灰度值大于閾值的像素直接設置為255。其中初始化閾值的方法是:式中，是最高灰度值，是最低灰度值。實驗證明，利用該方法選取閡值對不同類型的牌照都有一定的適應性，基本可以保證背景設置為0，以突出車牌區(qū)域。（四）中值濾波圖像中的噪聲會導致圖像質量的惡化，使圖像變得模糊，有的甚至導致圖像本身的特征被淹沒和改變，給圖像的識別和分析帶來困難。因此，為了去除噪聲，采用了濾波方法。中值濾波是一種非線性濾波，也是一種鄰域運算，類似于卷積。中值濾波是根據灰度值對其鄰域內的所有像素進行排序，然后取其值組的中間值作為鄰域中心像素點的輸出值，這不是一個簡單的加權和。中間值的選擇方法為：如果鄰域像素數為奇數，則取像素灰度值排序后的中間值作為輸出值；如果鄰域像素數為偶數，以排序后中間兩像素灰度值的平均值作為輸出值。鄰里窗可以是圓形、菱形、方形、十字形、線形等不同尺寸和形狀。不同形狀窗口的過濾效果不同，使用時必須根據圖像內容和不同要求進行選擇。根據以往的經驗，長輪廓的物體圖像可以選擇正方形或圓形，而交叉窗口有利于尖頂角的圖像。利用中值濾波消除噪聲的方法有很多種，而且都是靈活多樣的。一種方法是利用小尺度鄰域進行處理，然后逐步增大鄰域的大小。另一種方法是循環(huán)使用維數濾波和二維濾波。此外，可以使用迭代運算，即對輸入圖像重復使用相同的中值濾波器，直到輸出圖像不再改變。中值濾波的一個突出優(yōu)點是不僅可以去除噪聲，而且可以防止邊緣模糊。如果圖像中的噪聲是很多孤立點，對應的像素點很少，并且圖像是由大面積多像素組成的，那么中值濾波的效果會很好。（五）邊緣檢測邊緣是像素的集合，其周圍像素的灰度在屋頂或臺階上發(fā)生變化。邊緣是物體之間、物體與背景之間、圖像基元與基元之間的邊緣。它是圖像分割的一個重要特征。物體的邊緣由灰度的不連續(xù)來反映。邊緣檢測局部算子法的步驟如下:第一步是計算某一鄰域內每個像素的灰度變化;在第二步中，根據邊緣附近的一階或二階導數的變化規(guī)律，采用一種簡單的方法來檢測邊緣。邊緣分為兩種：屋頂狀邊緣和臺階狀邊緣：前者位于灰度值由增到減的轉折點；后者兩側像素灰度值差異顯著。邊緣檢測算子檢測每個像素的鄰域，量化灰度變化率，包括方向的確定。大多數情況下，基于方向導數的掩模用于卷積。三、總結和展望隨著現代交通的智能化，高速公路交通流量的控制，城市路網的監(jiān)控，交通事故和違章行為的調查處理，交通信息的導航，一些公共交通場所，如城市停車場，高檔住宅停車位的導航宿舍、停車費等，都需要車牌識別技術。面對人們日益增長的汽車需求和日益擁堵的交通問題，要解決二者之間的矛盾，必須構建智能交通管理模型。車牌識別系統(tǒng)作為智能交通管理的重要組成部分，已成為現代交通工程領域的重點和熱點問題之一?？偨Y本文首先介紹了各國智能交通的發(fā)展，總結了近年來我國車牌識別技術的發(fā)展，列舉了目前流行的一些車牌識別產品，總結了前人的研究成果，本文采用傳統(tǒng)的圖像處理方法車牌定位、車牌字符分割和車牌字符識別過程的技術和模型識別技術本文系統(tǒng)地討論了涉及的關鍵技術，提出了本文所采用的方法。本文首先介紹了車牌定位前的預處理技術，包括圖像灰度化、二值化、圖像邊緣檢測和濾波。這些處理可以提高圖像質量，突出車牌信息，有利于車牌定位。然后對常用的車牌定位算法進行了研究和分析。最后，提出了一種改進的投影定位方法。實驗表明，該方法能快速、準確地定位車牌區(qū)域。展望目前，車牌識別技術已經在公安交通領域獲得了成功應用，為公安交通路況和違章監(jiān)控、交通參數提取等提供了新手段和新裝置。然而，該技術的發(fā)展還處于研究階段，使得實際應用時出現了可靠性、準確性不能滿足要求等問題。給公安行政提供了不少的幫助。在圖像采集過程中，可以使用照相機、CMOS芯片直接獲取圖像，也可以CCD系統(tǒng)獲得圖像。但是這些系統(tǒng)不僅安裝調試不方便，而且在野外長期工作時不穩(wěn)定。另一方面，成本高、體積龐大、笨重等缺點也給系統(tǒng)推廣帶來困難。為此，需要開發(fā)一種功能強大、工作可靠，便攜小巧的圖像采集專用系統(tǒng)，使圖像采集、處理一體化，而且能夠在外界溫度、適度、氣候、光照等環(huán)境變化時可以長期工作。本文只對車牌圖像從定位到識別各環(huán)節(jié)上使用的技術進行了研究，對于車牌識別嵌入式系統(tǒng)，整體軟硬件系統(tǒng)還沒有深入研究。根據目前我國路網中多個車道的特點，系統(tǒng)還需要在同時定位、識別多個車牌圖像上繼續(xù)探討，進而提高其使用的價值。對于神經網絡在公安車牌識別技術中有很廣泛的應用，由于時間的關系，研究還很粗淺，有待今后深入學習。通過對現有的車牌識別技術的學習、探討，介紹了一系列車牌識別中使用的方法，總的體會是，車牌識別系統(tǒng)是一個復雜、細致的系統(tǒng)，主要是在識別過程中完成每項任務選擇使用不同的技術，都會影響到識別結果，每一個細小的環(huán)節(jié)誤差，都會導致結果的失敗，這也正是圖像處理和模式識別的特點。由于該系統(tǒng)涉及的理論知識、范疇都較廣，因此還需要在未來的日子里，更加深入的學習和研究。

參考文獻[1]張立志.圖像處理技術的車牌識別系統(tǒng)研究[J].電子測試,2020(03):70-71+10.[2]朱鳳霞.基于神經網絡和圖像識別的車牌識別技術[J].電子設計工程,2020,28(02):130-133+138.[3]郝芯,吳翠紅,張廣杰,張繼友.智能監(jiān)控裝置車牌識別技術研究[J].湖北農機化,2019(15):96-97.[4]李紅建,李誠.基于藍牙技術的自動車牌識別停車系統(tǒng)實現[J].電子技術與軟件工程,2019(15):256-257.[5]沈得.數字圖像處理技術在車牌識別系統(tǒng)中的應用[J].電子制作,2019(12):12-15.[6]陸瑛瑤,杜慶東.基于卷積神經網絡的車牌識別技術[J].信息通信,2019(04):55-58.[7]付莉,付秀偉,陳玲玲.基于圖像處理的車牌識別技術[J].吉林化工學院學報,2019,36(03):42-46.